00:00:08 Подход, при котором решения ставятся на первое место в оптимизации цепочек поставок.
00:02:25 Важность генерации решений для понимания семантики данных.
00:04:55 Генерация решений как механизм проверки понимания данных.
00:06:10 Проблемы оптимизации метрик и выявления ошибок в процессе принятия решений.
00:07:50 Взаимосвязь между метриками, бизнес-стратегией и принятием решений.
00:09:08 Конечная цель капиталистических числовых рецептов для автоматизации принятия решений.
00:11:37 Необходимость генерировать решения, чтобы понять, были ли предыдущие шаги эффективны.
00:12:40 Роль прогнозирования в принятии решений в цепочках поставок и проблема отсутствия подхода «сначала решения».
00:14:45 Альтернативные подходы в отрасли и разделение решений.
00:16:01 Согласование прогнозов и атомарного принятия решений.
00:18:16 Извлечение уроков из прошлых неудач и принятие новой перспективы.
00:20:59 Обучение через практику и философия практики.
00:21:57 Готовность отрасли к новому подходу и предыдущие попытки.
00:24:10 Признание неудач и ограничений картезианских подходов.
Резюме
В интервью Киран Чандлер и Жоанн Верморель обсуждают подход Lokad «сначала решения» (decision-first) к оптимизации цепочек поставок. Традиционные методы основываются на прогнозировании, в то время как Lokad делает акцент на конкретных решениях для улучшения понимания данных и повышения эффективности оптимизации. Верморель делится историей перехода компании от картезианского подхода к модели «сначала решения» после многочисленных неудач. Он считает, что организации могут учиться только через практику, и подчеркивает необходимость генерировать решения и совершенствовать их. Убедить компании изменить свой подход сложно, но, по мнению Вермореля, большинство готовы к этому, как только они признают прошлые неудачи и ограничения традиционных методов.
Расширенное резюме
В этом интервью ведущий Киран Чандлер беседует с Жоанном Верморелем, основателем Lokad — компании-разработчика программного обеспечения, специализирующейся на оптимизации цепочек поставок. Они обсуждают уникальный подход Lokad «сначала решения» к оптимизации цепочек поставок, который отличается от традиционных методов прогнозирования.
Исторически цепочки поставок опирались на методы прогнозирования, оставляя процесс принятия решений интуиции и опыту высшего руководства. Верморель объясняет, что Lokad разработал альтернативный подход, сосредоточенный сначала на принятии решений. Этот подход возник после многих лет работы в области предиктивной оптимизации цепочек поставок.
Изначально Lokad работал с картезианской точки зрения: сбор данных, уточнение их семантики, применение числовых рецептов для прогнозирования и оптимизации, а затем выработка решений на основе определённых метрик. Однако Верморель понял, что этот подход не работает так, как ожидалось. Он обнаружил, что фокус на процессе принятия решений сначала оказывается не только более эффективным, но и противоречащим интуиции.
Под «сначала решения» Верморель подразумевает процесс принятия конкретных решений в цепочках поставок, таких как закупка дополнительной единицы товара у поставщика, производство ещё одной единицы на производственной линии, перемещение товара с одного склада на другой или регулирование цен на продукцию. Эти решения оказывают реальное экономическое воздействие на цепочки поставок.
Верморель делится своим опытом работы в Lokad, где компания первоначально сосредоточилась на подготовке данных. Они собирали исторические данные, такие как продажи и перемещения запасов, и документировали их, чтобы обеспечить правильное понимание. Однако они часто обнаруживали, что неправильно интерпретировали данные, осознавая свои ошибки только после того, как сгенерировали решения на их основе.
Именно благодаря механизму генерации решений они могли выявлять ошибки в интерпретации данных. Специалисты по цепочкам поставок могли просматривать сгенерированные решения и указывать на несоответствия, что позволяло Lokad корректировать своё понимание данных.
Подход Lokad «сначала решения» к оптимизации цепочек поставок подчеркивает важность принятия конкретных решений до начала анализа данных и прогнозирования. Этот противоречащий интуиции метод позволяет лучше понять данные и в конечном итоге приводит к более эффективной оптимизации цепочек поставок.
Они исследуют проблемы и процесс выработки оптимальных решений в управлении цепочками поставок.
Верморель объясняет, что при попытке генерировать решения они часто сталкиваются с проблемами, не соответствующими реальности цепочек поставок. Эти проблемы, как правило, являются обыденными и повторяющимися, однако их выявление и устранение необходимо для создания эффективных решений.
Чтобы лучше понять данные в цепочке поставок, Верморель предлагает генерировать решения на основе этих данных. Если решения примерно верны и обоснованы, они подтверждают семантическое понимание исходных данных. Этот процесс обратной связи между ментальной моделью данных и генерацией решений помогает повысить точность и лучше согласовать решения с реальностью цепочки поставок.
Участники интервью также обсуждают проблему метода проб и ошибок при выработке оптимальных решений. Верморель отмечает, что проблемы касаются не только данных, но и самих метрик, которые оптимизируются. Применяя картезианский подход, следует оптимизировать не в процентах ошибки, а в долларах убытков от ошибки. Это включает применение экономических драйверов, таких как затраты на хранение, валовая прибыль и штрафы за дефицит товара, чтобы выразить эффективность решений в долларах.
Однако, даже при применении на первый взгляд разумных экономических драйверов, первоначальные решения часто оказываются бессмысленными. Верморель объясняет, что тонкие проблемы кроются в самих метриках, что требует обратной связи между пониманием данных, генерацией решений и корректировкой экономических драйверов.
Конечной целью этого подхода «сначала решения» является создание числового рецепта, способного автоматически генерировать рутинные решения. Это важно для управления огромным количеством ежедневных решений в крупных цепочках поставок, поскольку позволяет компаниям избежать найма толпы клерков и сосредоточиться на постоянном совершенствовании самого числового рецепта.
Они обсуждают важность подхода «решения прежде всего» и ограничения фокуса отрасли на точности прогнозирования.
Верморель объясняет, что традиционный сверху вниз, каскадный подход к оптимизации цепочек поставок не работает. Этот метод включает обновление систем, документирование процессов и проведение обширных исследований для создания всеобъемлющего плана. Однако Верморель утверждает, что до тех пор, пока компании не смогут генерировать реальные решения, они не узнают, были ли их предыдущие шаги эффективными.
Фокус отрасли на точности прогнозов интеллектуально привлекателен, но, по мнению Вермореля, он имеет свои недостатки. Хотя прогнозы важны для предсказания будущего состояния рынка, они являются всего лишь числовыми артефактами и не оказывают прямого влияния на цепочки поставок. Улучшение только прогнозов не приводит к реальному обучению или оптимизации. Вместо этого Верморель подчеркивает, что компании должны отдавать приоритет принятию решений, соответствующих реальности.
Чтобы проиллюстрировать ограничения сосредоточения на числовых артефактах, Верморель описывает, как компании могут создавать краткосрочные, среднесрочные и долгосрочные прогнозы. Вместо того чтобы решить исходную проблему, такой подход порождает множество проблем прогнозирования и требует дополнительных усилий для согласования различных прогнозов. Это только усугубляет ситуацию и по-прежнему не обеспечивает явной связи с реальностью.
Верморель выступает за подход «сначала решения», утверждая, что решения являются атомарными и четко определенными, что может привести к реальному обучению и эффективной оптимизации цепочек поставок. Он подчеркивает необходимость для компаний противостоять реальности посредством принятия решений, что затем позволяет им оценивать эффективность своих оптимизационных усилий.
Основатель делится своим опытом попыток применения более классического, картезианского подхода, который многократно приводил к неудачам, и подчеркивает необходимость подхода «сначала решения», чтобы избежать ошибок.
Верморель считает, что организации могут учиться только через практику, и подчеркивает важность генерирования решений и их итеративного совершенствования, а не попыток разработать идеальные решения сверху вниз. Он признает, что убедить компании изменить свой подход сложно, поскольку многие уже пробовали различные системы оптимизации цепочек поставок безуспешно. Что касается готовности, он считает, что большинство компаний открыты для принятия нового подхода, но для этого им сначала нужно признать неудачи предыдущих попыток и ограничения традиционных картезианских методов.
Полная расшифровка
Kieran Chandler: Сегодня на Lokad TV мы разберем альтернативный подход, когда решения ставятся на первое место, и поймем, как это может улучшить работу организации. Итак, Жоанн, возможно, вы могли бы начать с рассказа о том, что вы подразумеваете под подходом «сначала решения».
Joannes Vermorel: Подход «сначала решения» — это очень специфичный взгляд, который мы открыли после нескольких лет работы, выполняемой Lokad, то есть предиктивной оптимизации цепочек поставок. Когда я начинал Lokad, у меня была картезианская точка зрения: чтобы что-то оптимизировать, ты говоришь, “У меня будут данные, я проясню их семантику, затем применю серию четко определённых числовых рецептов: прогнозирование, оптимизация, а потом специально ориентируюсь на определённые метрики, и мы всё это применим, и тогда получим хорошие решения.” Однако оказалось, что этот подход не работает. Это вовсе не тот способ, которым мы реализуем проекты сегодня, и наш метод работы глубоко противоречит интуиции.
Когда я говорю «сначала решения», я имею в виду, что речь идёт о фактическом принятии решения, соответствующего реальности. Что я подразумеваю под решениями? Я имею в виду повседневные решения в цепочках поставок, такие как решение закупить ещё одну единицу товара у поставщика, принять решение о выпуске ещё одной единицы на производственной линии, решение переместить одну единицу запаса с локации A на локацию B или решение изменить цену на продукт. Это конкретные, физические решения, которые оказывают реальное экономическое влияние на вашу цепочку поставок. Когда я говорю «сначала решения», я имею в виду, что первый шаг — буквально начать с принятия одного из этих решений перед тем, как делать всё остальное, что звучит очень странно, ведь кажется, что сначала должно идти всё остальное, но нет, решение идет первым.
Kieran Chandler: Давайте немного поговорим о том, как вы пришли к этой идее. Что именно вы испытали в Lokad, что привело вас к такому подходу?
Joannes Vermorel: Мы поняли, что в начале нам нужно было подготовить данные. Например, если мы хотели оптимизировать цепочку поставок, нам нужны были данные — самые базовые исторические данные о продажах, перемещениях запасов и тому подобное. Можно было бы подумать, что вы можете задокументировать данные, чтобы убедиться, что вы их понимаете, и именно это мы и делали. Однако проблема заключалась в том, что каждый раз, когда мы документировали данные, мы вроде бы делали это неправильно. Но мы не осознавали свою ошибку до того момента, как не сгенерировали решение. Только благодаря механизму генерации решений, когда мы вырабатываем решение, например, “Давайте переместим X единиц товара с этой локации на другую”, а затем специалист по цепочкам поставок рассматривает это решение и говорит, “Это просто неверно. Вы явно неправильно поняли данные”, — мы и смогли понять свои ошибки.
Kieran Chandler: В ситуациях, когда нам не следует так поступать, есть веская причина для этого. Это не обязательно сложно; это очень обыденно. Например, у вас может не хватать возможностей, или вы думаете, что у вас осталось 1000 единиц на первом складе, а на самом деле там осталось только пять. Так что вы даже не сможете переместить 50 единиц, которые хотите. Такие проблемы встречаются.
Joannes Vermorel: Любопытно, что вы начинаете с генерации решения, а затем опытные специалисты по цепочкам поставок могут мгновенно заметить, что решение ошибочно. И тут вы понимаете, что у вас есть много проблем, которые вы не выявили.
Kieran Chandler: Это, безусловно, противоречит интуиции, не так ли? Ведь кажется, что, проводя очистку данных и понимая структуру данных, вы уже избежите некоторых ошибочных решений.
Joannes Vermorel: Когда я говорю, что мы генерируем ошибочные решения, я имею в виду, что мы генерируем решения, которые в достаточно обыденной форме противоречат реальности цепочек поставок. Для генерации самого решения требуется много интеллекта. Главный вывод здесь в том, что единственный способ убедиться, что вы правильно понимаете данные — это умение на их основе генерировать решение. Если это решение примерно верно и обосновано, это подтверждает семантику, которую вы считаете применимой к исходным данным и которую вы использовали для создания модели с самого начала.
Однако это механизм, при котором приходится постоянно переходить от ментальной модели, то есть семантики того, что вы думаете о данных, к механизму генерации решений, который предоставляет обратную связь от реальности относительно того, что вы делаете. И тогда вы понимаете, что многое в данных вы трактовали неправильно, и начинаете этот процесс заново.
Kieran Chandler: Как же мы приходим к окончательному решению? Это кажется множеством проб и ошибок. Сколько же таких проб и ошибок?
Joannes Vermorel: Даже хуже, поскольку я обсудил только те проблемы, которые вы выявили в данных. Речь идёт не только о проблемах с данными; речь идёт также о тех самых метриках, которые вы оптимизируете. Если смотреть с картезианской точки зрения, можно сказать, что нельзя оптимизировать то, что не измеряешь. В Lokad мы отстаиваем оптимизацию, выраженную в долларах ошибки, а не в процентах. Таким образом, вам нужна метрика, выраженная в долларах, которая учитывает все экономические драйверы, имеющие значение. Например, в случае запасов это означает учет таких экономических факторов, как затраты на хранение, валовая маржа и штрафы за дефицит товара.
Kieran Chandler: Можете ли вы объяснить, как вы измеряете эффективность принятия решений в Lokad?
Joannes Vermorel: Да, именно так вы измеряете эффективность вашего решения, выраженную в долларах. Логически вы бы сказали: «Я беру ту DR, которую понимаю, применяю статистические, высокоразмерные методы обучения для прогнозирования, затем использую высокоразмерные численные оптимизационные возможности и применяю метрику, отражающую мою бизнес-стратегию и позволяющую понять мои драйверы».
Kieran Chandler: И что происходит, когда вы впервые применяете эту метрику?
Joannes Vermorel: В итоге вы получите кучу бессмысленных решений, и это очень озадачивает, потому что все ваши экономические драйверы кажутся не столь самоочевидными, почти как, знаете, затраты на хранение или валовая маржа — мы ведь не говорим о чем-то сверхсложном. Однако, когда мы применяем это к принятию решений, мы неизменно приходим к действительно глупым, неудачным решениям. А что отражают эти решения? Они показывают, что ошибки, замалчиваемые нюансы — тонкие проблемы, заложенные в самих метриках. Таким образом, как и раньше, возникает множество итераций между вашим пониманием данных и принятым на их основе решением. Вы постоянно возвращаетесь к экономическим драйверам, размышляете, как их правильно понимать, и к какому решению это приводит. Мы всегда говорим, что нельзя оптимизировать то, что не измеряешь. Так что же является конечной целью? Конечная цель в том, чтобы данные подтверждали принимаемые вами решения?
Kieran Chandler: А какова конечная цель с точки зрения специалистов по цепочке поставок?
Joannes Vermorel: Конечная цель — иметь нечто, что является капиталистическим. Видите ли, когда мы говорим «решение в первую очередь», идея в том, что мы хотим предоставить числовой рецепт, который автоматически генерирует все эти обыденные решения. Почему? Потому что их настолько много. У наших крупнейших клиентов миллионы таких решений, которые нужно принимать каждый день. Либо у вас есть целая армия клерков, как во многих компаниях и сейчас, либо вы решаете: «Ладно, я возьму какой-нибудь чудодейственный рецепт, который сделает всю работу», и тогда все усилия, которые я продолжаю прилагать в этой области, направлены на постоянное совершенствование самого числового рецепта.
Kieran Chandler: А что интересного в этом подходе?
Joannes Vermorel: Интересно, что до тех пор, пока вы не начнёте генерировать эти решения, вы даже не можете быть уверены, что все остальные шаги работают. Дело в том, что если вы применяете такой картезианский, сверху вниз подход, вы бы сказали: «Ладно, мой план таков — сначала мы обновим ERP до новых возможностей XYZ. Хорошо, это займет шесть месяцев, а затем мы задокументируем и уточним их порядок, и далее снова займемся XYZ-вещами, даже загрузим всё в data lake, а потом проведем еще одно шестимесячное исследование с, возможно, внешним консультантом, чтобы полностью прояснить стратегию и получить полную количественную модель».
Kieran Chandler: Относительно бизнес-драйверов, а затем мы наконец соберем все эти элементы вместе, чтобы обеспечить автоматизированное исполнение оптимизированного решения. Это выглядит как план с приятной водопадной последовательностью, где вы переходите от одной фазы к другой. Но на деле это совсем не работает, и это, пожалуй, самый разочаровывающий урок. До тех пор, пока вы не дойдете до момента, когда фактически начнете генерировать решения, вы не будете иметь понятия, действительно ли что-либо из предпринятых ранее шагов работает. И это довольно шокирует. Вы могли бы подумать, что можно иметь план, который можно надёжно выполнить, но нет, урок в том, что если у вас нет контакта с реальностью, с этой обратной связью, вы действительно не знаете, что происходит.
Joannes Vermorel: Да, я имею в виду, что индустрия сильно зациклена на идее прогнозирования и точности прогнозов, не так ли? Почему же такое видение столь яростно навязывается предприятиями, компаниями и консультантами?
Kieran Chandler: Потому что это интеллектуально очень соблазнительно. Это выглядит как нечто вполне разумное.
Joannes Vermorel: Я имею в виду, да, прогнозы, конечно, важны. Ведь каждый раз, когда вы принимаете решение в цепочке поставок, вы по сути высказываете предположение о будущем состоянии рынка. Если вы оформляете заказ на сырьё для поставщика, вы, по сути, неявно делаете заявление о будущем спросе. Так что цепочка поставок, поскольку мы не можем телепортироваться и не можем мгновенно создать всё на 3D-принтере, сводится к предвидению будущего состояния рынка. Поэтому компании стараются подходить к этому рационально и говорят: «О, давайте проведем раунд улучшения прогнозов», — это, по сути, то, о чем мы говорили в нашем эпизоде Нагой прогноз. А затем возникают всевозможные проблемы, и, если взглянуть с немного иной точки зрения — с точки зрения подхода «решения в первую очередь» — я бы сказал, что проблема в том, что вы не ставите решение на первое место, когда делаете это. Если вы говорите: «О, давайте добьемся лучших прогнозов, а потом посмотрим, что можно сделать с этими улучшенными прогнозами», — вы не ставите решение на первое место. Вы начинаете с числового артефакта. Все виды прогнозов — это всего лишь числовые артефакты. Они не оказывают прямого влияния на вашу цепочку поставок. И потом вы говорите, что, может быть, ситуация улучшится, а мой опыт за десятилетие работы с проектами оптимизации цепочки поставок в Lokad показывает, что, нет, вы ничему не научитесь. Обучение происходит только из реальности, которая является окончательным судьёй в определении того, кто прав, а кто нет. И когда я говорю «реальность», я имею в виду тот способ, с помощью которого можно убедиться, что проект оптимизации цепочки поставок движется в правильном направлении — именно те решения, потому что они и являются сутью того, чтобы подвергать себя риску, исходя из того, что реальность может сообщить, работает это или нет.
Kieran Chandler: Хорошо, и подход «решения в первую очередь» — это, безусловно, то, как мы это рассматриваем, но что насчёт альтернативных подходов, существующих в отрасли? И как насчёт разделения этих решений на части?
Joannes Vermorel: Да, я имею в виду, что, например, обычно происходит так: когда вы начинаете сосредотачиваться на артефактах, особенно числовых артефактах, к ним привязано очень мало ограничений, и поэтому вы можете их практически разделить или дробить. Например, можно выделить краткосрочный прогноз, среднесрочный прогноз и долгосрочный прогноз. Делая это, вы создаёте дополнительные проблемы. Сначала была одна проблема с прогнозированием, а теперь их становится три, и плюс к этому проблема согласования работы разных команд. Так что вам придется согласовать долгосрочный прогноз со среднесрочным, затем краткосрочный – со среднесрочным, а может даже и краткосрочный с долгосрочным. Сначала была одна проблема, а теперь их шесть. Вы только усугубили ситуацию, и до сих пор остается совершенно неясным, имеет ли то, что вы делаете, хоть какую-то связь с реальностью.
Реальность не укажет вам напрямую, что вы делаете неправильно. И вот в этом заключается красота решений. Если мы обратимся к подходу «решения в первую очередь», решения, как правило, являются высокоатомарными и четко определёнными. По нашему мнению в Lokad, они атомарны; их нельзя дробить. Если я говорю: «Закупите одну единицу у этого поставщика сегодня», вы понимаете, что это максимально атомарное решение. Иногда его можно уточнить, например: «Закупите одну единицу у этого поставщика сегодня, и пусть эта единица будет отправлена грузовиком», ведь, возможно, существует возможность отгрузки поездом или другим способом. Таким образом, в Lokad у нас решения, которые по определению являются полностью атомарными. Вы действительно не можете их разделить, и это очень хорошо, поскольку это также ограничивает пространство для выдумок.
Сосредоточенность на решениях предотвращает совершение целых классов ошибок, таких как дробление или создание вымышленных операций. Это настоящее изменение точки зрения.
Kieran Chandler: Итак, что же вы делаете, чтобы убедить те организации, которые привыкли к более классическому подходу?
Joannes Vermorel: Вот суть…
Kieran Chandler: Проблема в том, что очень трудно убедить, потому что, во-первых, я сам не был убежден. Знаете, я не начинал с этого подхода еще в 2008 году. Я пробовал более классический способ, который можно описать как картезианский. Вы просто пытаетесь следовать принципу водопада или инженерному принципу: уточните входные данные, уточните метрики, уточните модель, а затем соберите всё вместе, чтобы провести оптимизацию в этом порядке — и это сработает. Но нет, это абсолютно не тот способ, как всё на самом деле работает.
Joannes Vermorel: Я могу сказать по своему опыту, что этот метод терпел неудачу снова и снова, и у нас была масса очень болезненных инициатив. В конце концов, когда вы делаете это по-картезиански, что происходит на практике? Вы просто запускаете свой проект, а потом, в тот день, когда всё должно быть готово, понимаете, что ничего не работает, и вам приходится начинать всё заново.
Таким образом, в конечном итоге, это сработает, потому что когда вы действительно попытаетесь запустить систему в промышленную эксплуатацию, вы увидите все эти моменты, и вам снова придется пересматривать все, что было сделано ранее. Вот в чем фишка. Если вы не примете эту точку зрения, ваши проекты будут затягиваться на годы, потому что вы будете выполнять годичный проект, согласно принципу водопада, с отличным планом и всем прочим, а в день, когда попытаетесь запустить систему, поймёте, что всё разваливается. Тогда вы снова её отключаете и повторяете процесс. И так это продолжается годами.
Моя философия такова: сначала я пытаюсь донести информацию об этом эксперименте. А с философской точки зрения, я бы сказал, что всё, чему вы учитесь, не берется из учебников. Подавляющее большинство вещей в жизни вы осваиваете через практику. На самом деле, чертовски сложно выучить что-либо, не занимаясь этим на практике.
Да, теоретически можно выучить иностранный язык, взяв книгу, читая её шесть месяцев, просто заучивая наизусть, и затем стать свободно владеющим им. Не знаю, видел ли я когда-либо кого-то, способного на это. Теоретически это возможно, но на деле — нет. Вы будете пытаться, будете спотыкаться, и иногда люди просто не поймут, что вы говорите, а потом вы постепенно улучшитесь. Но видите ли, вы учитесь практикой. Это напоминает древнегреческое понятие праксиса. И я считаю, что для такой сложной системы, как цепочка поставок, другого способа обучения не существует — я думаю, это заблуждение.
Kieran Chandler: Хорошо, давайте подведём итоги. Всё это звучит прекрасно в теории, но далеко не устоявшаяся практика. Так что, как вы думаете, индустрия действительно готова принять совершенно новый подход, или же она слишком привязана к старым методам?
Joannes Vermorel: Забавно, но если говорить о готовности, я вижу, что подавляющее большинство компаний, которые занимаются внедрением систем оптимизации цепочки поставок уже десятилетиями, особенно крупных, — это просто безумие. У них, то есть…
Kieran Chandler: Даже термин ERP (Enterprise Resource Planning) обычно подразумевает нечто вроде оптимизации цепочки поставок. Подавляющее большинство ERP-систем, внедренных за последние три десятилетия, не приносят никакой ценности в этой области. Да, они приносят огромную пользу в управленческой части. Вы знаете, можно отслеживать запасы, иметь информацию в реальном времени, что очень хорошо. Можно автоматизировать множество процессов, таких как workflow для счетов, платежей, контроля задержек — всё в этом роде. Очень хорошо. Но когда дело доходит до прогнозной оптимизации, состояние отрасли практически отсутствует. Рабочих решений очень мало, и это не из-за отсутствия попыток. Часто крупные компании, с которыми мы работаем, используют уже свою пятую, шестую или седьмую попытку в этой области. Так что, очевидно, что с точки зрения готовности многие компании готовы к этому, потому что пытаются уже последние три десятилетия. Это не по причине отсутствия усилий.
Joannes Vermorel: Я думаю, суть в том, что большинство компаний даже не пытались признать мельчайшие детали своих неудач. Это, возможно, связано с силой негативного знания, о котором мы говорили в другом эпизоде. Может быть, некоторым компаниям стоит начать фокусироваться на тех сложных проблемах, тех «злых» проблемах, или проблемах, которые противостоят изящному картезианскому подходу, когда можно просто взять ручку и бумагу, сесть за стол, тщательно обдумать, придумать решение, внедрить его — и оно срабатывает. Но в управлении цепочками поставок всё не так. Цепочка поставок слишком запутана. Нужно генерировать решения, а не просто действовать согласно им. Вы можете сформулировать решение, дать его на рассмотрение нескольким людям, и они скажут: «Нет, это не работает». Этого уже достаточно. Но что касается готовности, возвращаясь к вашему вопросу, я считаю, что многие компании готовы, и это будет нелегкая задача. Для Lokad нам всё еще нужно убедить их, что нет другого выбора, кроме как подвергнуть свою инициативу риску, связанному с реальностью, а не пытаться сделать всё правильно с первого раза, следуя картезианскому, сверху вниз подходу, который, к сожалению, не работает.
Kieran Chandler: Хорошо, великолепно. Придется на этом закончить, спасибо за ваше время. Итак, это всё на этой неделе. Большое спасибо за внимание, и увидимся в следующем эпизоде. Пока!
